基于支持向量机的桥梁健康监测系统残缺数据填补.pdf

《基于支持向量机的桥梁健康监测系统残缺数据填补.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第25卷第12期传感技术学报V01．25No．122012年l2月CHINESEJOURNALOFSENSORSANDACTUATORSDee．2012MissingDataImputationinBridgeHealthMonitoringSystemBasedontheSupportVectorMachineFUYumei，ZHU，ZANXinwu(TheKeyLaboratoryforOptoelectronicTechnology＆Systerns，Min~tryofEducation，CollegeofOptoelectronicEn

2、gineeringChongqingUniversity，Chongqing400044，China)Abstract：Inbridgehealthmonitoringsystem，datapossessthefeaturesofsmallsample，nonlinearandsequentia1．Amissingdataimputationmethodbasedonthesupportvectormachineispresented．Itwillanalysetheautocorrelationofthedataandchoosetheapp

3、ropriatedimensionsofthesampleasinputstothecalculatedmodewhichisgivenoutbytheprincipleofsupportvectorregressionmachine．Themodelwasutilizedtoforecastthemissingdata．ComparedwiththeresultsofBPneuralnetwork’Simputation，theexperimentalresultsofsupportvectormachineinfillingofmissin

4、gdatashowthatithasadvantages0nsmallersamplesandhighergeneralizationability．Keywords：bridgehealthmonitoringsystem；missingdataimputation；timeseries；supportvectormachineEEACC：7210Bdoi：10．3969／j．issn．1004-1699．2012．12．017基于支持向量机的桥梁健康监测系统残缺数据填补术符欲梅，朱芳，昝昕武(重庆大学光电工程学院，光电技术及系统教育部重点实

5、验室，重庆400044)摘要：针对桥梁健康监测系统中采集数据具有小样本、非线性且时序的特点，提出一种基于支持向量机的残缺数据填补方法，在分析数据的自相关性基础上，利用支持向量回归机原理，选择适当维数的样本作为支持向量机的输入向量，据此进行了残缺数据的预测；并与BP神经网络的填补效果相比较，实验结果显示了支持向量机在更小样本情况下填补残缺数据的优势和强泛化能力。关键词：桥梁健康监测系统；缺失数据填补；时间序列；支持向量机中图分类号：TP183文献标识码：A文章编号：1004—1699(2012)12-1706-05桥梁在国民经济建设与社会发展中有

6、着极为重别是在部分结构特征属性空缺的情况下与桥梁结构要的地位⋯。桥梁健康监测系统通过安装在桥梁出现危机的情况类似，极易引起误报警。关键部位的传感器来获取桥梁的结构信息，并且利在目前桥梁健康监测系统常用的残缺数据处理用远程通信将采集数据传送给远程监控中心，监控方法中，删除法简单易行，但易造成有用信息丢失；均中心分析数据，然后得到桥梁结构是否安全的评价值填补、多重填补及线性回归法恢复的数据误差较结果。然而，在长期野外恶劣环境下工作的桥梁健大，实用性较差；神经网络或时间序列与神经网络结康监测系统往往会由于外界环境影响、传感器及监合的方法具有学习速率比

7、较慢，模型结构选择困测设备老化、损坏或者更换等各种原因出现大量的难，易陷入局部极小点，过学习和欠学习等缺点。残缺数据。这些残缺数据残缺量可达数据总量的本文根据桥梁健康监测系统数据小样本、非线5％甚至更多J，具体表现为数据整体缺失、数据异性且时序的特点，提出了一种基于VC维(Vapnik—常或部分结构特征属性空缺等情况，极大地影响了ChervonenkisDimension)理论和结构风险最小化的基于完备数据的桥梁安全评价。而这些残缺数据特支持向量机SVM(SupportVectorMachine)方法，项目来源：教育部留学回国人员科研启动基金项

8、目；重庆大学中央高校基本科研业务费科研专项项目(CDJZR11120008)；重庆大学研究生科技创新基金(CDTXS11120015)收稿日期：201